去年5月，创新工场的全新子公司创新奇智宣布成立，以“AI+”B2B为服务模式，瞄准企业赋能。创新奇智 CTO 、联合创始人，创新工场人工智能工程院首席架构师张发恩曾在接受采访时表示：“人工智能 + to B 还是片蓝海，我们步入了后 AI 时代。”

中国本身就是一个庞大的运转机器，生产及加工产业“大而不强”，仍然处于“人力”赋能阶段。依靠大量的人口基数发展的产业，急需数字化转型。通过AI赋能，助力企业客户及合作伙伴提升商业效率和价值具有广阔的前景。未来10年，人工智能必将帮助整个制造业节省大量人力并提高效率。

对话AI就是这样一个个例。它可以通过简洁高效的指令实现命令动作的持续完成。比如：航班查询——订票——飞行相关建议等。在工作中可以辅助完成多项任务，如：人力管理、会议管理、项目跟踪等。企业对话AI的应用可能是下一个风口。Vijay Ramakrishnan是思科机器学习、人工智能虚拟卓越中心的研究员。本文就企业对话应用开发机器学习模型和对话系统问题对其进行了采访。

1.对话AI意味着什么？

Vijay Ramakrishnan：对话AI是一组以机器学习、自然语言处理和对话系统开发为核心的工程学科，用于创建能够智能地与人类交互的AI代理。传统输入是语音和文本，分别通过通过自动语音识别（ASR）技术以及智能手机和键盘来实现。然而，视觉作为一种输入方法的出现，可以提高AI代理人的智能。这种系统的输出既可以是助理的自然语言响应也可以是屏幕上的显示变化。

图1.显示语音识别准确性改进的图表。照片来源：Economist.com

2.企业所应用的对话AI与应用在消费者和学术界中的对话AI有何不同？

Ramakrishnan：企业应用与多业务知识库有很强的联系，而消费者和学术界中的应用却不是这样。2018年，亚马逊的Alexa Prize（业界领先的竞赛）提供了一个目标，即建立一个可以与人类聊天的机器人，可以随机谈论不同的话题。

在学术界中，目标是在阅读理解中超越斯坦福大学的问题、答案数据集等基准数据集。该数据集是通过将维基百科的数据提供给众包工作者进行标记而构建的。

对于企业，AI应用程序必须非常好地完成具体任务，例如预订机票。这类任务需要与客户和业务数据的深度链接，这些数据往往比公共数据集更合适、规模更小。

因此，通过信息检索技术解决用户语音、文本到业务目标是这种任务完成的关键。其次，专门研究较小数据集的机器学习模型对于构建准确的企业对话应用程序非常重要。

图2：企业对话AI系统的一般架构。照片来源：Vijay Ramakrishnan

3.在为企业设计语音助手时，你会面临哪些挑战？

Ramakrishnan：一个巨大的挑战是要从自动语音识别（ASR）系统的错误转录中恢复过来。企业拥有公司特定的代词，如员工姓名、产品缩写和其他从未在ASR系统上接受过培训的专有名词。例如：企业系统必须经常纠正被误写的“汉莎航空”一词 ——“Sansa”。

一种解决方案是使用围绕用户查询的上下文信息。例如，基于过去的用户交互，企业应用程序可以推断用户正在尝试预订航班并隔离“Of Sansa”以与航空公司名称匹配。通过使用各种文本匹配技术，我们可以进一步将“Of Sansa”解析为“汉莎航空”。

另一个挑战是企业环境中缺少高质量的标签数据。企业需要尽早投资数据收集，以获得增量语言理解用户的利益。此外，企业可以使用更大的公共数据集来增加其私有数据集，以便机器学习模型可以学习一般模式以及公司特定的文献。

最后，企业需要使用更简单的机器学习模型来引导他们的应用程序，例如在他们的小数据集上进行逻辑回归。这些模型可以为大多数用例提供足够的预测能力。随着产品的成熟和培训数据量的增加，深度学习方法可用于获得人类语言理解的准确性和精确性。

图3：这是市场上流行的语音助手。照片来源：Geeksfl.com

4.理解外语有哪些障碍？

Ramakrishnan：将企业AI应用程序国际化是推动增长的关键。但是，如果团队不熟悉目标语言，那么这会是一项挑战。在将应用程序推广到特定地理区域之前，企业需要制定如何支持每种语言的运营计划，包括聘请外国语言专家。

人工智能需要与人类智能交互，使用语音、文本和视觉作为输入方法。亚马逊和其他大型企业正在塑造该行业的未来。例如，Jeff Bezos的公司正在激励创新者开发可以与人类谈论随机主题的人工智能。

但是对于企业而言，开发能够非常好地完成特定领域，面向业务的任务的应用程序至关重要。当对话AI可以帮助客户预订机票或酒店时，公司可以看到机器学习投资的投资回报率。企业的对话AI倾向于使用较小的数据集。公司喜欢保护他们的专有信息。

在商业用例中完善AI的一个关键挑战是克服专有名词、名称、公司特定缩写、产品和类似术语的错误转录。开发人员可以使用各种方法准确评估用户的查询，例如利用上下文信息。翻译是另一项挑战。公司应该利用外语专家让开发人员了解语言细微差别。